GEWINNER

beim Best use of FastStats Award 2013

Neuausrichtung der Wohltätigkeitsorganisation auf Basis von Segmentierung rund um “Spender Journeys”

Über Royal National Lifeboat Institution 

RNLI ist eine Wohltätigkeitsorganisation, die Leben auf See rettet. Die Organisation bietet, bei Notruf, einen 24 Stunden Such- und Rettungsdienst per Rettungsboot rund um UK und Irland, sowie einen saisonalen Rettungsschwimmer-Service. Mithilfe der Rettungsboote, Rettungsschwimmer, Sicherheitshinweise und Rettungsaktionen bei Hochwasser versucht RNLI Ertrinkungsunfälle zu verhindern. Der Rettungsdienst wird, wo immer möglich, von Freiwilligen geleistet und durch großzügige Geld- und Sachspenden unterstützt. Die Arbeit der Organisation basiert auf Werten, von denen diese auch angetrieben wird. Die ehrenamtlichen und festen Mitarbeiter streben nach Spitzenleistungen und sind dabei selbstlos, zuverlässig, vertrauenswürdig und couragiert. Ausschlaggebend ist, dass RNLI unabhängig von der Regierung arbeitet und nicht durch staatliche Mittel finanziert wird. Obwohl RNLI eine große Organisation ist, sind sie in Gemeinden ansässig und arbeiten mit lokalen Teams, welche aber zentral geführt und personell ausgestattet werden. Die Wohltätigkeitsorganisation kann auf eine stolze Geschichte und Tradition von fast zwei Jahrhunderten zurückblicken. Seit Gründung im Jahre 1824 rettete RNLI mit seinen Rettungsbooten, und seit 2001 mit seinen Rettungsschwimmern, mehr als 140.000 Leben. Traditionell waren Spendenaktionen produktbezogen und durch Direktmarketing-Aktivitäten unterstützt.

Herausforderung

In 2012 führte RNLI eine großangelegte Überprüfung der Geschäftsprozesse durch. Einerseits wollte man Einsparungen durch Effizienzsteigerungen erzielen und andererseits war das Ziel, die Spender in den Mittelpunkt aller Spendenaktionen zu stellen. Zuvor waren die Spendenaktionen rund um die Produkte strukturiert, was dazu führte, dass RNLI in Produkt- oder Abteilungs-Silos arbeitete. Beispielsweise war das Spendenakquise-Team separiert vom Dauerspenden-Team, die wiederum getrennt vom Lotterie-Team arbeiteten und so weiter.

Was bedeutete das? Die RNLI Mitarbeiter fokussierten sich auf die Teamziele, was auf Kosten der Spender ging. Es gab zwei Möglichkeiten, entweder erhielten die wichtigsten Spender Werbung von allen Teams zu jedem Produkt, was zu Überschüttung von Marketingbotschaften führte, oder manche Spender erhielten bestimmte Produktwerbung gar nicht erst, obwohl diese Produkte eventuell sogar besser zu ihnen passen würden. Im Grunde lag der Fokus auf der kurzfristigen Transaktion des Spendens, ohne dabei die langfristigen Effekte zu berücksichtigen.

Die Cluster-Segmentierung wurde zum ersten Mal 2012 beim Weihnachtsspendenaufruf getestet. Einem 6%igen Anstieg der Responses und des Einkommens, stand eine 10%ige Reduzierung der Kampagnenempfänger gegenüber, wodurch RNLI £25.000 einsparte.

Das Wissen über die Spender lag entweder in den einzelnen Abteilungen oder fokussierte sich lediglich auf einen Bereich der Beziehung zum Spender. Beispielsweise verstand das Research Team die Spenderprofile, während das Insight Team das Spenderverhalten bei individuellen Spendenaufrufen kannte. Dieses Wissen wurde aber nur selten zusammengeführt. Die Konzentration auf Aktualität und Frequenz bedeutete auch, dass Spender schnell aus Selektionsmodellen herausfallen konnten. Hinzu kamen die voneinander abgegrenzten Aktivitäten, die dazu führten, dass Spender keine alternativen Spendemöglichkeiten angeboten bekamen. Sind sie einmal aus der Selektion herausgefallen, war die Chance gering, dass sie je in zukünftigen Kampagnen wieder berücksichtigt werden.

In 2011 und Anfang 2012 hat RNLI in eine komplette Single Supporter View (SSV) investiert, in der acht zuvor separierte Quellen von Spenderdaten zu nur einer Einheit zusammengeführt wurden. Der Apteco-Partner Qbase hat anschließend das RNLI FastStats System rund um diese neue SSV neugestaltet. RNLI hatte damit das erste Mal eine komplette Sicht auf die Beziehungen und das Engagement mit Spendern und Interessenten. 

Neue Betrachtungsweise der Spender-Beziehungen

Wenn RLNI in der Vergangenheit von Spender-Beziehungen sprach, wurden Kennzeichnungen verwendet: Es gab regelmäßige Spender… Freiwillige… Lotterie-Spieler. Aber was sagt das über deren Engagement aus? Was über deren Motivation? Oder über deren Entwicklung? Und am wichtigsten, unterstützten sie RNLI in der Art und Weise, wie es für die jeweilige Person am besten war? Oder war es nur die beste Art und Weise für eine Abteilung bei RNLI?

Damit stand das erste Ziel fest. Wie können wir Spender in die Lage versetzen, ihre eigene Beziehung zu RNLI selbst zu steuern?

  • Der Lösungsweg startete mit Einblicken, die durch FastStats und die neue SSV (Single Supporter View) möglich wurden. Gemeinsam mit Qbase begann RNLI Spender-Engagement anhand von Scores zu messen. Es wurde ein Scorecard-Modell entwickelt, das alle Touchpoints und Reaktionen eines Spenders messen sollte. Hierbei ging es um mehr als nur die Messung von Transaktionen. Man betrachtete auch die Online-Interaktion, die Öffnungsraten von E-Mails, ehrenamtliche Arbeit, die Teilnahme an Veranstaltungen, die Tiefe der Informationen, die über einen Spender zur Verfügung stand sowie deren Beziehungsdauer und –historie. 
  • Qbase machte den Vorschlag, bestehende Recency (Aktualität) und Frequency (Frequenz) Scores mit den Engagement Level zu vergleichen, um bestimmte Verhaltensweisen zu identifizieren. RNLI konnte auf umfangreiche „RF“-Messungen zurückgreifen, schließlich basierte die Strategie der letzten fünf Jahre genau darauf. Diese Messungen wurden aber nie der gesamten SSV-Basis gegenübergestellt. Jetzt beinhaltet die Analyse auch Käufer über das Versandhandelsgeschäft, Besucher in den Lifeboat Zentren und Gäste des RNLI College Hotels.
  • Qbase führte eine aggregierte “RF”-Analyse aus allen Transaktions-Quellen durch, um zu verstehen, wann eine Beziehung begann und ob sie andauerte. Die neue Analyse erlaubte eine komplett neue Ansicht des Spenderverhaltens inklusive der zuvor ignorierten Beziehungen, wie beispielsweise Käufer im Shop. Aber isoliert betrachtet, sagte diese Analyse RNLI gar nichts darüber, wie ein Spender mit RNLI interagierte, um „wertvoll“ zu sein. Zu diesem Zweck musste der Engagement-Score mit dem „RF“-Score kombiniert und verglichen werden. Qbase nutzte das Clustering-Tool in FastStats Modelling, um den Vergleich durchzuführen. Mit einem besonderen Ziel: Gab es Muster in den Daten, die man in Verhaltensweisen segmentieren konnte? Die Idee war, dass Spender, die in einer bestimmten Art und Weise interagieren, auch ein bestimmtes darauffolgendes Verhalten aufweisen.

Die Analyse brachte fünf eindeutige Verhaltenscluster hervor:

RNLI Clusters

RNLI Cluster Descriptions

Die Lösung

RNLI hatte nun eine Segmentierungs-Methode, die eine Entwicklungsroute bereitstellte, um Verhalten zu beeinflussen. Aber diese Analyse zeigte der Organisation nicht, mit wem sie sprachen, was bedeutete, dass die Segmentierung und die Erkenntnisse wieder nicht dem Marketing zu Gute kamen. Die Lösung bestand darin, der Segmentierung und dem Profiling eine weitere Dimension hinzuzufügen. Mithilfe des FastStats PWE Profiling-Tools wurden Variablen, wie ACORN, Einkommen, Lebensphase und weitere demografische Werte analysiert. Die Lebensphase wurde als das Unterscheidungsmerkmal für Profile ausgewählt, da es vorhersehbar war und die vollständigste Kategorisierungsmethode bot. Daraufhin erstellte Qbase ein simples Entscheidungsbaum-Modell, welches einen Spender basierend auf diesem Profil-Modell kategorisieren sollte und anschließend in eine Expression verwandelt, um das Modell auf alle Datensätze in der Datenbank anzuwenden. 

Das führte zu einem Modell mit 30 Segmenten:

RNLI Segment Model

RNLI hatte nun ein Instrument zur Messung von Spenderverhalten, einen Entwicklungsrahmen für Supporter Journeys (Spender zum Cluster 5 bewegen) und ein grundlegendes Verständnis davon, mit wem sie sprachen. Dennoch hatte man das Gefühl, dass noch ein Puzzleteil fehlte, welches noch weiter in die Tiefe des Spender-Verhaltens und deren Motivation ging. 

Daraufhin schloss sich das Insight Team mit dem Research Team zusammen und gemeinsam erstellten sie Beispiel-Selektionen aus jedem der 30 Segmente. Sie verglichen die Profil Reports mit der Zusammensetzung der jeweiligen Segmente und lieferten eine Aufschlüsselung davon, wie diese RNLI unterstützten. Das Research Team machte im nächsten Schritt eine Primäruntersuchung mit diesen Spendern, um herauszufinden, was sie zum Ankreuzen bewogen hat, warum sie RNLI unterstützten und was sie dazu bringen würde, noch mehr zu tun. Darauf basierend wurden Personas entwickelt. 

Die Persona Reports wurden auf zwei Ebenen durchgeführt: auf Gesamt-Cluster-Ebene und auf Detailebene abhängig von der Lebensphase. Dieses umfangreiche Projekt revolutionierte RNLIss Verständnis von Spendern. Die Organisation verfügt nun über ein komplettes Tool-Kit mit Erkenntnissen für die Marketing-Abteilung. Das Team kann Spender nach Engagement, Verhalten oder Wert segmentieren und eine Beschreibung der einzelnen Spender und deren Spendenmotivation bereitstellen. Ebenso sind sie in der Lage Richtungen für Supporter Journeys vorzugeben (z.B. war ein Ziel, die Spender in höhere Cluster zu bewegen) und jedes Cluster nach konsumierten Produkten aufzuschlüsseln.

RNLI Cluster 5

Implementierung

Das verursachte ein Problem. RNLI war nicht vorbereitet, diese Strategie umzusetzen. Immer noch arbeiteten sie in separaten Abteilungs-Silos mit eigenen Zielen. Die neue Strategie gab vor, dass die Transaktionsanalyse und die Planung der Supporter Journey die Basis für Selektionen sein sollte. Abgegrenzte Spender oder interne Ziele wurden aber nicht berücksichtigt. Diese Tatsache führte zu dem außergewöhnlichen Schritt, dass die Geschäftsführung sich dazu committete, die komplette Organisation zu restrukturieren, damit die neue Segmentierungs-Strategie eingeführt werden konnte.

Das Insight und das Research Team wurden zu einer Einheit zusammengeführt. Die produkt-fokussierten Abteilungen wurden auf die einzelnen Phasen des Spender-Lebenszyklus ausgerichtet und Lifestage Brand Manager wurden eingestellt, um die Spender auf der Reise durch die Cluster zu begleiten.

Ergebnisse

RNLI hat die Umstrukturierung der einzelnen Abteilungen abgeschlossen. Die neue Struktur soll die Supporter Journey fördern anstatt Spendern einen bestimmten Weg aufzuzwingen. Die Cluster-Segmentierung wurde zum ersten Mal 2012 beim Weihnachtsspendenaufruf getestet. Einem 6%igen Anstieg der Responses und des Einkommens, stand eine 10%ige Reduzierung der Kampagnenempfänger gegenüber, wodurch RNLI £25.000 einsparte. Dieser Ansatz machte sich die neu-entwickelten Personas zu Nutze, um personalisierte und relevante Inhalte für jedes Segment bereitzustellen. Außerdem wurden die Kanäle berücksichtigt, die für jedes der Segmente relevant waren. Um Selektionen innerhalb der Segmente zu erstellen, nutzte man ein Entscheidungsbaum-Modell.

Nach der erfolgreichen Kampagne, wurde die Cluster-Segmentierung auf die Sommerkampagne ausgeweitet und lieferte erstaunliche Ergebnisse. In dieser Kampagne war es möglich, eine größere Anzahl an Spendern mit einer erhöhten Aussteuerung an Personalisierung und Messages zu kontaktieren. Das führte zu 53,5% mehr Responses als im letzten Jahr und damit verbunden, eine Steigerung der Spenden um insgesamt £285.756. Die Response Rate lag bei 9,28% und man verzeichnete einen leichten Anstieg von 2,2% des durchschnittlichen Spendenbetrages.

Zusammenfassung der Ergebnisse

  • Neue Marketing-Struktur – 4 neue Lifestage Planer, 5 Mitarbeiter im Innovation Team (Entwicklung von neuen Spendenaktionen die auf Lebensphasen und Daten beruhen) und ein Marketing Team, dass sich darauf konzentriert, die richtige Experience und das richtige Produkt zu liefern, anstatt nur auf das Einbringen von Spenden gepolt zu sein
  • Messbare Ergebnisse – 53,3% Steigerung der Einnahmen mit der ersten Kampagne
  • Einheitliches Insight Team, das sich mit der Datenanalyse befasst. Das Research Team schließt sich mit den Insight Managern kurz, um wirkliche Erkenntnisse zu liefern 
  • Erkenntnisse und Daten bilden das Herz des Marketings – echtes Data-Driven Marketing

Zukunftspläne – Was kommt als nächstes?

RNLI ist jetzt dabei die Cluster-Segmentierung für alle Kampagnen auszurollen. Sie nutzen die Personas, um die Agenturen für Spendenakquise zu briefen, was bereits erste Erfolge durch höhere Conversion-Raten für „kalte“ Kampagnen (Erstkontakte) aufweist. Die Erfolgsmessung innerhalb der gesamten Organisation ändert sich. Die Geschäftsführung legt nun den Fokus auf LTV, Kundenbindungs-, Akquise- und Reaktivierungsraten anstelle von kurzfristigen Produkt-Messungen.

Case Study als pdf downloaden